基于近地高光譜數據和遺傳算法優化的支持向量機麥穗尺度赤霉病識別
2020-11-16 02:21:46黃林生張寒蘇阮超黃文江胡廷廣趙晉陵
農業工程技術·農業信息化 2020年8期
黃林生 張寒蘇 阮超 黃文江 胡廷廣 趙晉陵
摘 要：為了實現小麥赤霉病的有效防控，給大區域尺度赤霉病監測提供理論支撐。該文利用麥穗非成像高光譜數據提出了小麥赤霉病敏感特征篩選和監測模型構建方法。通過相關性分析共選出了8個敏感特征：包括350-400 nm、500-600 nm和720-1000 nm三個特征波段，MSR、NDVI和SIPI三個植被指數，以及WF01和WF02兩個小波特征。將篩選出的敏感特征，結合SVM、和經過GA算法優化的SVM（GASVM）共建立了16種小麥赤霉病監測模型，并對兩類模型的監測精度進行對比，結果顯示：相同特征變量下通過GASVM建立的監測模型整體精度比通過SVM算法建立的模型精度更高，其中，MSR結合GASVM的總體精度達75%， Kappa系數為0.47。說明GASVM算法能夠用于小麥赤霉病的監測，對提高病害監測精度具有重要應用價值。
關鍵詞：小麥赤霉病;高光譜數據;相關性分析;遺傳算法;小波變換;支持向量機
DOI： 10.25165/j.ijabe.20201302.5331
引用信息： Huang L S， Zhang H S， Ruan C， Huang W J， Hu T G， Zhao J L. ?Detection of scab in wheat ears using in situ hyperspectral data and support vector machine optimized by genetic algorithm. ?Int J Agric & Biol Eng， 2020; 13（2）： 182–188.
